| 講演抄録／キーワード |
| 講演名 |
2021-02-18 14:50
電子顕微鏡により撮像されたゴム材料からの異常検知に基づく劣化領域の推定に関する一検討 ～ 深層学習モデルにより抽出された特徴表現の有効性検証 ～
○松本真直・藤後 廉・小川貴弘・長谷山美紀（北大） |
| 抄録 |
（和） |
本文では，転移学習に基づく異常検知を利用した電子顕微鏡により撮像されたゴム材料における劣化領域の推定手法について検討する．耐久寿命の長いゴム材料の開発のためには，ゴム材料の劣化の原因を明らかにすることが重要であり，機械学習技術の応用が期待される．中でも，深層学習は画像処理に関する多くのタスクにおいて高い精度を実現しており，この技術を応用することでゴム材料の劣化の原因についての新たな知見の獲得が期待される．しかしながら，ゴム材料の劣化は，電子顕微鏡画像から観察可能であるものの，大量のデータの取得は困難であり，学習に大量のデータを必要とする深層学習技術の利用に適していない．そこで本文では，深層学習に基づく特徴表現を利用することで，上記の問題を解決する．一般画像を用いて事前学習済みの深層学習モデルより得られる特徴表現はその表現能力の高さから種々の研究において活用されている．本文では，このような事前学習済みの深層学習モデルを利用することで，ゴム材料から深層学習に基づく特徴を取得することが可能となる．最終的に，得られた特徴を用いて異常検知を行うことで，劣化領域の推定を実現可能とする．本文では，高精度な劣化領域の推定の実現のため，特徴表現の抽出に用いる深層学習モデルについて検討を行う． |
| （英） |
This paper presents an anomaly detection method for estimation of deteriorated regions from rubber material electron microscope images. In order to develop rubber materials with high durability, it is important to clarify the cause of deterioration. For analyzing the cause of deterioration, it is expected to utilize machine learning technology, especially deep learning. Although deterioration of the rubber materials can be observed from electron microscope images, it is difficult to obtain a large number of deteriorated data. Hence, we solve the above problem by using feature representations based on deep learning. Deep convolutional neural network (DCNN) can learn high representation features from target data sources, and extracted features from pre-trained DCNNs have been used by many researchers. In this paper, we can obtain features based on deep learning from rubber materials by using such pre-trained DCNNs. Finally, we can estimate deteriorated regions based on anomaly detection by using the obtained features. In this paper, we verify feature representations extracted from DCNN models to improve the estimation performance. |
| キーワード |
（和） |
領域推定 / 異常検知 / 深層学習 / 特徴表現 / ゴム材料 / / / |
| （英） |
Region estimation / Anomaly detection / Deep learning / Feature representation / Rubber materials / / / |
| 文献情報 |
映情学技報, vol. 45, no. 4, ME2021-9, pp. 43-46, 2021年2月. |
| 資料番号 |
ME2021-9 |
| 発行日 |
2021-02-11 (MMS, ME, AIT) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
IEICE-IE IEICE-ITS MMS ME AIT |
| 開催期間 |
2021-02-18 - 2021-02-19 |
| 開催地（和） |
オンライン開催 |
| 開催地（英） |
Online |
| テーマ（和） |
画像処理および一般 |
| テーマ（英） |
Image Processing, etc. |
| 講演論文情報の詳細 |
| 申込み研究会 |
ME |
| 会議コード |
2021-02-IE-ITS-MMS-ME-AIT |
| 本文の言語 |
日本語 |
| タイトル（和） |
電子顕微鏡により撮像されたゴム材料からの異常検知に基づく劣化領域の推定に関する一検討 |
| サブタイトル（和） |
深層学習モデルにより抽出された特徴表現の有効性検証 |
| タイトル（英） |
A Note on Estimation of Deteriorated Regions Based on Anomaly Detection from Rubber Material Electron Microscope Images |
| サブタイトル（英） |
Verification of Feature Representations Extracted from Deep Learning Models |
| キーワード(1)（和/英） |
領域推定 / Region estimation |
| キーワード(2)（和/英） |
異常検知 / Anomaly detection |
| キーワード(3)（和/英） |
深層学習 / Deep learning |
| キーワード(4)（和/英） |
特徴表現 / Feature representation |
| キーワード(5)（和/英） |
ゴム材料 / Rubber materials |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
松本 真直 / Masanao Matsumoto / マツモト マサナオ |
| 第1著者 所属（和/英） |
北海道大学 (略称： 北大)
Hokkaido University (略称： Hokkaido Univ) |
| 第2著者 氏名（和/英/ヨミ） |
藤後 廉 / Ren Togo / トウゴ レン |
| 第2著者 所属（和/英） |
北海道大学 (略称： 北大)
Hokkaido University (略称： Hokkaido Univ) |
| 第3著者 氏名（和/英/ヨミ） |
小川 貴弘 / Takahiro Ogawa / オガワ タカヒロ |
| 第3著者 所属（和/英） |
北海道大学 (略称： 北大)
Hokkaido University (略称： Hokkaido Univ) |
| 第4著者 氏名（和/英/ヨミ） |
長谷山 美紀 / Miki Haseyama / ハセヤマ ミキ |
| 第4著者 所属（和/英） |
北海道大学 (略称： 北大)
Hokkaido University (略称： Hokkaido Univ) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2021-02-18 14:50:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
ME |
| 資料番号 |
MMS2021-9, ME2021-9, AIT2021-9 |
| 巻番号（vol） |
vol.45 |
| 号番号（no） |
no.4 |
| ページ範囲 |
pp.43-46 |
| ページ数 |
4 |
| 発行日 |
2021-02-11 (MMS, ME, AIT) |
|